三星SEKA-FT：让1.5B基础模型搞定5G根因诊断，准确率直冲94.2%
LLM做5G故障根因分析，最怕的就是一本正经地编证据。三星美研这次把“证据→诊断路径→结论”结构化地塞进微调过程，让1.5B小模型直接干出94.2%准确率。想研究LLM垂直落地与“反幻觉”设计的同学，这篇值得细读。
大模型与智能体
共 785 篇
清华&Z.ai新作：把推理草稿提到正文前，长上下文难题准确率暴涨近3倍？
写代码时如果发现bug，你会不会把错误日志贴到代码最前面，一边看一边改？清华与Z.ai这篇新作就是干这个的：让大模型先自己想一遍，把推理草稿提到长正文前面再来一次，GraphWalks上准确率直接从29.2%飙到81.8%！
首次打破超临界魔咒，无散度漂移让F-P方程仍有全局解
如果要为“随机运动＋确定性外力”写一本演化账本，动力学 Fokker–Planck 方程（kinetic Fokker–Planck equation）大概是出场率最高的公式之一。
6 fb⁻¹数据查完B_s⁰→D_s⁻π⁺，CPT完好如初
粒子物理界的“对称性守门员”LHCb又出手了。这次他们用6 fb⁻¹的质子对撞数据，在B_s⁰介子衰变里把CPT与洛伦兹不变性的破缺上限往前推了一大截，灵敏度直达10⁻¹⁴ GeV量级。结果依然是“没破缺”——但这种没找到，恰恰是宇宙基本对称性依然坚挺的最好证据。硬核、干净、不浮躁，值得一读。
BESIII首次看到粲偶素双奇异末态，分支比仅2.84×10⁻⁶
一个粲偶素粒子“临终”前，罕见地吐出了两代奇异粒子的组合。BESIII在27.12亿个事例里翻箱倒柜，终于以11.5σ的把握抓住了这个概率只有百万分之几的衰变。
北大&MIT：把原子扔进真空腔，纳秒级自旋压缩到手
量子精密测量领域有一个“圣杯”：利用量子纠缠或压缩，把测量灵敏度推到海森堡极限。传统产生自旋压缩的主流方案，要么靠原子之间的非线性碰撞或偶极作用，要么借助光腔的色散耦合来“间接”产生自旋-自旋相互作用，这通常需要工作在弱。
球面数据逼近也有“不可能三角”？最新证明：最小正性损失为(L/N)²
先来一个灵魂拷问：你手里有一个定义在球面上的场，比如全球卫星云图、地球重力场或者海洋温度分布。你要设计一个重建算子，既要把已经解析出来的低频分量一滴不漏地保住，又希望输出是严格带限的——毕竟高频永远写不完、算不尽。
不再纠结选哪个EEG基座：逐样本智能路由，7个数据集全部提升
EEG基础模型已经多到“选择困难”，但这篇论文发现：没有哪个基座模型能对所有脑电样本通吃。昆山杜克大学提出的EEG-AS把模型选择做成逐样本的智能决策，推理时只跑一个轻量锚定模型，却能隔空猜测其他所有基座模型的预测行为，平均准确率从53.7%飙到66.9%。做脑电基座模型部署、神经解码评测的朋友值得一读。🎯
让冻结LLM学会“脑内潜思”：循环潜思维LRT，符号推理暴涨26.7个点
当思维链还在“一字一句”硬凹推理时，这篇论文直接让冻结的LLM在“脑内”用向量打草稿。仅训练1130万参数，就在符号推理上把零样本思维链拉高26.7个点，推理延迟还更低。是时候重新审视“推理必须说出口”这个前提了。
相关系数0.993：这款模拟器让Agent排行榜终于可信了
图1：披露门——五级有序门禁，释放三个深度层级。系统的状态是一扇“门”，而门所释放的是一个“深度”：只有信息深度不高于当前门所放行的层级时，这条信息才有资格浮出水面
数学家证明：格子城任堵一个点，人流最旺地竟永远藏在这10个点位！
吸引性量子流体天生要坍缩，死亡过程几乎不可逆。意大利团队却往凝聚体中心拧进一个多电荷涡旋，相当于给量子湖放了一个“拓扑救生圈”，把坍缩时间硬生生拖慢了十倍以上。光与冷原子实验难得在同一个物理框架里碰撞出这么漂亮的实验结果，值得一读。
首尔大学&UC Berkeley端侧新作：专治手机LLM一切后台驱逐
大模型的"三好学生"人设，一换语言就崩？麦考瑞大学等机构给乌尔都语做了套"文化体检"，人工逐句改造三大经典对齐基准，结果GPT-4o-mini的诚实度直接掉了20个百分点，安全护栏也形同虚设。🤚
